Czy planista nadal jest potrzebny?
Mariusz Stasiak
Prezes Zarządu Emapa S.A.
Dlaczego Emapa?
WŁASNE MAPY, OPROGRAMOWANIE,
KNOW HOW
NAJLEPSZE ALGORYTMY
OPTYMALIZACYJNE
PROJEKTY BADAWCZE
1 2 3 4
NA RYNKU OD 2001 ROKU
Dlaczego Emapa?
1
NA RYNKU OD 2001 ROKU
• 18 lat na rynku
• Specjalizacja związana z mapami
• Rozwiązania zarówno B2B jak i B2C
• Bogate portfolio produktów i usług
• Ponad 50 specjalistów
Dlaczego Emapa?
2
WŁASNE MAPY, OPROGRAMOWANIE,
KNOW HOW
2
• Autorska mapa cyfrowa Polski
• Mapa Europy TomTom
• Rozwiązania dla transportu, dystrybucji, lokalizacji GPS, nawigacja MapaMap
• Narzędzia geomarketingowe
• Aplikacje zarówno sieciowe jak i desktopowe
• Najnowsze algorytmy optymalizacyjne
Dlaczego Emapa?
2
PROJEKTY BADAWCZE
2
Nowe metody optymalizacji zagadnień VRP
luty 2017 – lipiec 2019
Cel: opracowanie nowych dynamicznych metod optymalizacji zagadnień VRP (ang. Vehicle Routing Problem) uwzględniających także utrudnienia na drodze.
• Wartość projektu (całkowita): 4 029 628,52 PLN
• Dofinansowanie projektu z UE: 2 887 862,45 PLN
3
Dlaczego Emapa?
2
PROJEKTY BADAWCZE
2
Opracowanie uniwersalnych metod rozwiązywania zaawansowanych problemów marszrutyzacji z
wykorzystaniem uczenia maszynowego
wrzesień 2019 – kwiecień 2022
Cel: Opracowanie nowatorskich metod optymalizacji bogatej rodziny
problemów rozwózkowo-zwózkowych (PDP, Pickup-Delivery Problem) z
dodatkowymi ograniczeniami, opisywanymi w literaturze jako problemy rich VRP (Vehicle Routing Problem) lub rich PDP.
• Wartość projektu: 6 460 215,00 PLN
• Dofinansowanie projektu z UE: 4 697 463,50 PLN
3
Dlaczego Emapa?
2
NAJLEPSZE ALGORYTMY OPTYMALIZACYJNE
2
• Aktywny udział w badaniach benchmarkowych Gehringa i Homerberga (norweski instytut naukowy Sintef)
• Znalezienie najmniejszej sumy długości tras, nie zmniejszając liczby odwiedzanych punktów
• Ponad 100 pobitych rekordów dało Emapie 1 miejsce w benchmarku
• Kategorie, w których zespół Emapy rywalizuje to wielkości odpowiednio 400, 600, 800 i 1000 wierzchołków.
3 4
12 specjalistów z dziedziny algorytmiki w tym 4 doktorów i 2 profesorów
MONITORING GPS
DIGITALIZACJA
OPTYMALIZACJA TRAS
Pola do szukania oszczędności
Problemy z planowaniem
BRAK PLANISTÓW ROTACJA SKOMPLIKOWANE OGRANICZONY CZAS STRES ZAGADNIENIA
ZMIANY ZADAŃ NISKA MARŻA
O optymalizacji
Optymalizacja
takie ułożenie punktów trasy aby jej realizacja była jak najlepsza:
• najszybsza
• najtańsza
• najbardziej dochodowa
• najefektywniejsza
O optymalizacji
Problem VRP jest NP trudny
można nie znaleźć właściwego rozwiązania w rozsądnym czasie
10 3 628 800 4 11 39 916 800 40 12 479 001 600 479 13 6 227 020 800 6 227 14 87 178 291 200 87 178 100 ############################ ##################################
Czas znalezienia rozwiązania [s]
milion rozwiązań na s Liczba kombinacji
Liczba stopów
O optymalizacji
Kto z Państwa trafił „szóstkę” w Lotto?
• Odwiedzenie 10 punktów dla jednego kierowcy stwarza:
3 628 800 możliwych kombinacji,
z których należy znaleźć jedną najbardziej optymalną.
• Wybierając losowo kolejność punktów mamy szansę w nie trafić z takim samym prawdopodobieństwem jak kupując 4 zakłady
w Lotto na trafienie „szóstki”.
A to tylko dla 10 punktów!
Dane wejściowe - adresy Problemy:
• niepełne adresy
• literówki
• brak kodów pocztowych
• nazwy opisowe
• wydajność geokodowania
Rozwiązania:
• elastyczność w znajdowaniu adresów
• wprowadzenie nazw alternatywnych
• 0,02 s na znalezienie adresu
Dane wejściowe - macierz
Macierz odległości
Dane wejściowe - macierz
Parametry pojazdów determinują liczbę macierzy odległości
Dane wejściowe - macierz
Parametry mapy determinują jakość rozwiązania
liczba stopów macierz tras
250 62 500
250 62 500
250 62 500
250 62 500
∑=250 000
Dane wejściowe - macierz
Macierze odległości dla 4 typów pojazdów
Czas i jakość rozwiązania
97,82
98,94
95,5 96 96,5 97 97,5 98 98,5 99 99,5 100
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
JAKOŚĆ ROZWIĄZANIA [%]
CZAS [S]
JAKOŚĆ ROZWIĄZANIA [%] DLA 100 STOPÓW W CZASIE [S]
Czas i jakość rozwiązania
90,4
94,8
96,2 96,91
82 84 86 88 90 92 94 96 98 100
0 5 10 15 20 25 30 35 40 45 50
JAKOŚĆ ROZWIĄZANIA [%]
CZAS [S]
JAKOŚĆ ROZWIĄZANIA [%] DLA 300 STOPÓW W CZASIE [S]
Modele dystrybucji
Czas pracy: 8:00-16:00
Okna czasowe: NIE
Czas serwisu: 11 minut
Liczba stopów: 14
Długość trasy: 238 km
Czas pracy: 8:00-16:47
Okna czasowe: TAK
Czas serwisu: 11 minut
Liczba stopów: 14
Długość trasy: 353 km
Modele dystrybucji
Liczba magazynów: 1
Czas pracy: 8:00-16:00
Okna czasowe: NIE
Czas serwisu: 11 minut
Liczba pojazdów: 7
Liczba typów pojazdu: 4
Liczba stopów: 100
Długość trasy: 1689 km
Modele dystrybucji
Liczba magazynów: 2
Czas pracy: 8:00-16:00
Okna czasowe: NIE
Czas serwisu: 11 minut
Liczba pojazdów: 7
Liczba typów pojazdu: 4
Liczba stopów: 100
Długość trasy: 1553 km
(z jednym magazynem było 1689 km)
Modele dystrybucji
Liczba magazynów: 2
Czas pracy: 8:00-16:00
Okna czasowe: NIE
Czas serwisu: 11 minut
Liczba pojazdów: 7
Liczba typów pojazdu: 4
Liczba stopów: 100
Długość trasy: 1553 km
Modele dystrybucji
Liczba magazynów: 2
Czas pracy: 8:00-16:00
Okna czasowe: NIE
Czas serwisu: 11 minut
Liczba pojazdów: 7
Liczba typów pojazdu: 4
Liczba stopów: 100
Długość trasy: 1553 km
Modele dystrybucji
Dodatkowe możliwości
Klient poniedziałek wtorek środa czwartek piątek
A X X
B X
C X X
D
E X
F X
G X
Klient poniedziałek wtorek środa czwartek piątek
przychód z odwiedzin
A X X ~700 zł
B X ~700 zł
C X X ~700 zł
D ~700 zł
E X ~700 zł
F X ~700 zł
G X ~700 zł
Balansowanie tras
Periodyczność
Dodatkowe możliwości
Gdzie zbudować magazyn?
Z jakiego rejonu zatrudnić handlowca?
Znając:
• punkty odbioru,
• częstotliwość odwiedzin
• oraz koszty i cechy transportowe floty
można znaleźć optymalne miejsce na lokalizację magazynu minimalizując tym samym istotnie koszty bieżącej działalności.
Case Study
• dziennie: 1000 palet do rozwiezienia
• do dyspozycji: 150 pojazdów od 4 do 32 palet
• magazyn centralny dostarcza towar do 36 hurtowni
Cel: optymalny dobór pojazdów, które należy wynająć od podwykonawców, aby
wykonać zlecenia w zadanym czasie minimalizując sumaryczny dystans kilometrów (pojazdy z mniejszą ładownością mają mniejszą masę całkowitą, a tym samym mniej ograniczeń drogowych.
E f e k t y o p t y m a l i z a c j i
Hurtownia hydrauliczno - elektryczna
Case study
Zmniejszenie liczby tras o 68 – 27,4%
(z 260 do 192)Redukcja dystansu o 21 200 km 28,26%
(z 75 188 km na 53 940 km)wnioski:
• Zwiększenie wykorzystania pojazdów największych (redukcja liczby tras i km)
• Przesunięcie środka ciężkości ze średnich pojazdów na mniejsze (optymalne wykorzystanie przestrzeni ładunkowej)
E f e k t y o p t y m a l i z a c j i
Hurtownia hydrauliczno - elektryczna
Optymalizacja tras
Optymalizacja tras
Jakie przynosi korzyści?
Algortym wykona pracę bez stresu i dokładniej
PROCES SKOMPLIKOWANIA
Oszczędność czasu na przygotowanie rozwiązania
CZAS
Od kilku do 30%
OSZCZĘDNOŚCI FINANSOWE
W transporcie wykorzystywanych jest mniej pojazdów
ALOKACJA SPRZĘTU
Optymalizacja tras
Optymalizacja tras
Jakie przynosi korzyści?
Mniejsza liczba wykwalifikowanych specjalistów
MNIEJ PRACOWNIKÓW
Wysyłanie trasy do nawigacji kierowcy
JAZDA JAK PO SZNURKU
Czy planista nadal jest potrzebny?
Nowa rola planisty
Rola planisty w erze algorytmów
WPROWADZA I AKTUALIZUJE DANE
STERUJE TECHNOLOGIĄ
ZNA I ROZUMIE PRZEBIEG PROCESÓW
REALIZUJE A NIE TYLKO PLANUJE
Algorytmy optymalizacyjne
Dowiedz się więcej na
www.emapa.pl
Mariusz Stasiak.
m.stasiak@emapa.pl